หากมีระบบ Machine Learning ที่สามารถเข้ามาช่วยเพิ่มประสิทธิภาพการผลิตให้กับทั้งบริษัทของคุณได้ง่าย ๆ และเพิ่มความสามารถในการทำงานของตัวเองไปได้เรื่อย ๆ อย่างต่อเนื่องจะเป็นอย่างไร ?
Machine Learning นั้นมักไม่ถูกนำมาใช้ในการผลิตของภาคอุตสาหกรรมมากนัก ซึ่งสถาบันฟรอนโฮเฟอร์ต่างก็อยากแก้เรื่องนี้
ภายใต้การนำของ Fraunhofer Institute for Optronics, System Technologies and Image Exploitation IOSB นักวิจัยภายใต้โครงการ “ML4P – Machine Learning for Production” ได้พัฒนาโซลูชันใหม่ที่แต่ละบริษัทสามารถนำไปใช้เพิ่มประสิทธิภาพการผลิตได้ด้วยเทคโนโลยี Machine Learning
โครงการ ML4P นี้เป็นการผสมผสานระหว่างการจำลองกระบวนการทางวิทยาศาสตร์และเครื่องมือซอฟต์แวร์ ที่มีเป้าหมายหลักคือการเพิ่มความเร็วการผลิต และลดพลังงาน, ทรัพยากรที่ต้องใช้ ซึ่งซอฟต์แวร์ Machine Learning นี้จะสามารถวิเคราะห์ข้อมูลการเชื่อมต่อและข้อมูลเครื่องจักร และทำการเพิ่มประสิทธิภาพให้กระบวนการผลิต
ขั้นตอนการนำมาใช้ภายในโรงงาน
ในการเพิ่มประสิทธิภาพการผลิตนั้น ในขั้นแรกระบบจะต้องทำการตรวจสอบและวิเคราะห์สภาพปัจจุบันของกระบวนการผลิต หลังจากนั้นผู้เชี่ยวชาญก็จะจำแนกศักยภาพที่เป็นไปได้ที่จะทำการเสริมประสิทธิภาพขึ้น และทำการพัฒนาแนวทางในการใช้ ML4P ต่อมาเหล่าผู้เชี่ยวชาญจะตรวจสอบว่าแนวทางนั้นจะสามารถใช้งานได้จริงตามเครื่องจักรและข้อมูลที่มีอยู่หรือไม่ และจะสอดคล้องกับเป้าหมายของบริษัทอย่างไร และในขั้นตอนต่อไป ข้อมูลกระบวนการของระบบและเครื่องจักรจะถูกโอนไปยังแบบจำลองข้อมูลดิจิทัล ซึ่งข้อมูลดิจิทัลเหล่านี้ก็จะกลายเป็นท่อส่งข้อมูลการประมวลผลสำหรับ ML4P เพื่อให้ระบบเรียนรู้แบบจำลองกระบวนการ จากนั้นการดำเนินการจริงและการทดลองใช้งานจึงจะเกิดขึ้นตามมา สุดท้ายแล้วหากวิธีการนี้ได้ผลก็จะเกิดการส่งต่อให้กับบริษัท เพื่อนำไปใช้งานในการผลิตประจำวัน
“วิธีการนี้จะถูกแบ่งเป็นหลายขั้นตอน ซึ่งมีการต่อยอดขึ้นไปอย่างต่อเนื่อง การตัดสินใจว่าบริษัทใดจะนำ ML4P ไปใช้จริง ๆ จะเกิดขึ้นก็ต่อเมื่อแน่ใจว่าแนวคิดนั้นได้ผล นำไปใช้ได้ง่าย และมีเหตุผลทางธุรกิจที่ดี” Lars Wessels รองหัวหน้าโครงการ ML4P พูดถึงวิธีการนี้
ความเป็นไปได้ที่ไม่สิ้นสุดในการใช้งาน
นักวิจัยจากฟรอนโฮเฟอร์ยังได้กล่าวเพิ่มว่าจุดแข็งของแนวคิดนี้นั้น มาจากความยืดหยุ่นในการใช้งาน และความเป็นไปได้ในการขยายขอบเขตการใช้งาน หลังการติดตั้งนั้น โมดูลแต่ละตัวสามารถถูกนำมาปรับเปลี่ยนได้ตลอดเวลา และมีการเรียนรู้และพัฒนาอยู่ตลอดด้วยการช่วยเหลือจาก Machine data ที่เข้ามา ทำให้ระบบสามารถจำแนกและปรับรูปแบบการทำงานให้เกิดประสิทธิภาพสูงสุดได้เสมอ ระบบใหม่นี้ควรจะรองรับได้แม้แต่เครื่องจักรเก่าที่มีอายุ 30-40 ปี และแม้แต่บริษัทเล็ก ๆ เองก็สามารถนำ ML4P ไปใช้ได้แม้จะต้องการเพิ่มประสิทธิภาพการผลิตแค่บางส่วนเท่านั้นก็ตาม
ซึ่งทางทีมวิจัย ML4P เองก็ได้มีการทดลองกับหลาย ๆ ภาคการผลิตแล้วในปัจจุบัน ไม่ว่าจะเป็น การขึ้นรูปโลหะแผ่น การผลิตแผ่นกรองเมมเบรน หรือระบบสำหรับการดัดกระจก ถือได้ว่าระบบ Machine Learning นี้สามารถนำไปใช้ได้อย่างหลากหลายและยังสามารถพัฒนาขึ้นได้อีกในอนาคต การเข้ามาของเทคโนโลยีนี้จะช่วยพัฒนากระบวนการผลิตให้หลาย ๆ บริษัทได้อย่างแน่นอน
